ميزة، أم قدرة، أم أصلية: كيف تُعرف فرق البرمجيات الذكاء الاصطناعي
ترى فرق البرمجيات الذكاء الاصطناعي بثلاث طرق مختلفة. ويلاحظ المهندسون الفرق بشكل أسرع من فرق التسويق.
ميزة ذكاء اصطناعي (AI Feature) تضيف ميزة الذكاء الاصطناعي أداة إلى سير العمل. كان المنتج يعمل بشكل جيد بدونها. تشمل الأمثلة زر "تلخيص" (Summarize) أو ملاحظات الاجتماعات. من السهل بناء هذه الميزات ولكن من الصعب الدفاع عنها؛ فغالبًا ما تستوعب المنصات الأكبر هذه الميزات بمجرد أن تصبح التكنولوجيا شائعة.
قدرة ذكاء اصطناعي (AI Capability) يحدث هذا عندما تستخدم الشركة الذكاء الاصطناعي عبر العديد من المنتجات. هناك عمل هندسي حقيقي هنا. ومع ذلك، لا تزال البنية التحتية الأساسية موجودة منذ ما قبل عصر الذكاء الاصطناعي. أنت تقوم بإضافة الذكاء إلى نموذج موجود بالفعل.
ذكاء اصطناعي أصلي (AI-Native) يفترض المنتج "الأصلي للذكاء الاصطناعي" (AI-native) وجود الذكاء الاصطناعي منذ اليوم الأول. وتعتمد البنية التحتية، وتدفق البيانات، والتصميم عليه. لا يمكن للمنتج أن يعمل بدون الذكاء الاصطناعي.
يمكنك اختبار ما إذا كانت الأداة "أصلية للذكاء الاصطناعي" من خلال النظر إلى مخرجاتها. هل تنتج الأداة البنية التحتية، أو مخططات قواعد البيانات (database schemas)، أو عقود واجهة برمجة التطبيقات (API contracts) أولاً؟ أم أنها تكتفي بتوليد الكود وتأمل أن يعمل الهيكل؟
تقوم الأنظمة الأصلية للذكاء الاصطناعي بالتصميم قبل التوليد، وهذا يمنع حدوث الأخطاء.
توجد مشكلة كبيرة في الصناعة حاليًا؛ حيث تتراجع ثقة المطورين بينما يزداد الاستخدام. في عام 2023، استخدم 70% من المطورين الذكاء الاصطناعي، ووثق به 40% منهم. وبحلول عام 2025، ارتفع الاستخدام إلى 84%، لكن الثقة انخفضت إلى 29%.
يحدث هذا لأن معظم أدوات الذكاء الاصطناعي هي مجرد ميزات. فهي تفتقر إلى وسيلة هيكلية للتحقق مما إذا كانت المخرجات صحيحة. وعندما يرتكب الذكاء الاصطناعي خطأً، لا يوجد شيء في النظام يكتشفه.
تعالج الأنظمة الأصلية للذكاء الاصطناعي هذه المشكلة، حيث تستخدم مواصفات (specification) أو مجموعة اختبارات (test suite) للتحقق مما ينتجه الذكاء الاصطناعي. فهي لا تثق في المخرجات لمجرد أنها تبدو صحيحة.
يجب على القادة الهندسيين التوقف عن السؤال عما إذا كانت الأداة تحتوي على ذكاء اصطناعي، فكل أداة تقريبًا تحتوي عليه الآن. بدلاً من ذلك، اسأل عن التسلسل (sequencing).
هل تنشئ الأداة الهيكل أولاً، أم الكود أولاً؟
إذا قامت الأداة ببناء البنية التحتية قبل التنفيذ، فمن المرجح أن تكون موثوقة في بيئة الإنتاج (production).
Source: https://dev.to/8080_ai/feature-capability-or-native-how-software-teams-define-ai-4k0h
Optional learning community: https://t.me/GyaanSetuAi